Citadel: Kelangkaan daya komputasi masih menjadi hambatan terbesar AI, penyedia cloud skala besar kemungkinan menjadi pemenang akhir

Lanskap persaingan industri AI semakin terpolarisasi dengan cepat, dan variabel kunci penentu kemenangan bukanlah kemampuan model, melainkan ketersediaan daya komputasi fisik.

Analisis terbaru Citadel Securities menunjukkan bahwa permintaan daya komputasi terus melampaui laju pertumbuhan pasokan, aset yang benar-benar langka bukanlah chip di gudang, melainkan daya komputasi yang sudah teraliri listrik dan siap pakai secara langsung.

Bottleneck struktural ini sulit dihilangkan dalam waktu singkat—proses sambungan jaringan listrik dan persetujuan proyek bisa memakan waktu bertahun-tahun, bahkan dengan rencana belanja modal berskala besar pun kesenjangan tersebut tidak dapat dijembatani dalam jangka pendek. Ini berarti arus kas cloud hyperscaler saat ini mungkin meremehkan potensi profitabilitas nyata dari infrastruktur yang mereka miliki.

Dari sinyal pasar, harga sewa daya komputasi—termasuk GPU model lama—masih tetap kokoh, menunjukkan bahwa kapasitas yang ada masih terus terserap dan ketegangan antara permintaan dan pasokan pasar belum benar-benar mereda meski telah terjadi investasi pembangunan skala besar. Sementara itu, bangkitnya AI agent semakin memperbesar konsumsi daya komputasi—satu instruksi manusia bisa memicu puluhan hingga ratusan kali panggilan model, sehingga konsumsi daya komputasi per tugas ikut naik dan menopang sisi permintaan.

Esensi Bottleneck Daya Komputasi: Bukan Hanya Chip

Analis Citadel Securities, Nohshad Shah, menegaskan bahwa "daya komputasi" tidak hanya merujuk pada GPU, melainkan gabungan dari GPU, listrik, ruang pusat data, memori, jaringan, sistem pendingin, serta keahlian operasional. Yang benar-benar langka adalah 'daya komputasi yang sudah teraliri listrik dan siap pakai,' bukan perangkat keras yang menganggur di gudang.

Kurva daya komputasi jangka panjang menunjukkan bahwa pasokan memang bertambah, tetapi laju permintaan jauh lebih cepat. Karena proses sambungan jaringan listrik dan persetujuan proyek memakan waktu tahunan, bahkan belanja modal dalam jumlah besar pun sulit menutup celah dalam waktu dekat. Kendala utama AI saat ini bukan kekurangan pengguna, melainkan kurangnya daya komputasi yang benar-benar bisa dioperasikan.

Perlu dicatat, saat ini banyak kapasitas daya komputasi baru diikat oleh kontrak yang ditandatangani pada 2024 hingga 2025, saat intensitas permintaan belum terlihat jelas. Seiring kontrak ini habis masa berlakunya, infrastruktur yang ada diharapkan dapat menetapkan harga ulang dengan tingkat utilisasi yang lebih tinggi, sementara biaya dasar cenderung tetap, sehingga efek leverage operasional perlahan akan terlepas. Analisis ini menilai bahwa pasar cenderung segera memperhitungkan biaya belanja modal, namun bisa saja meremehkan potensi kenaikan profitabilitas di masa depan.

Selain itu, turunnya harga token belum tentu menjadi berita buruk. Biaya kecerdasan yang lebih rendah akan membuat lebih banyak skenario aplikasi jadi layak secara ekonomi, dan konsumsi daya komputasi yang berlipat dari AI agent memungkinkan permintaan pasar terus berkembang. Variabel kunci terletak pada elastisitas permintaan: jika pertumbuhan volume penggunaan melebihi penurunan harga satuan, maka harga murah justru memperluas pasar, bukan mengecilkannya; risiko sebenarnya adalah jika token menjadi lebih murah tetapi volume penggunaan tidak meningkat secara material.

Polarisasi Industri Semakin Tajam, Cloud Hyperscaler Kuasai Keunggulan Ganda

Analisis Citadel Securities menggambarkan polarisasi industri AI yang semakin jelas: di satu sisi ada laboratorium frontier murni seperti OpenAI dan Anthropic yang menjual kecerdasan sebagai produk; di sisi lain terdapat cloud hyperscaler diversifikasi seperti Google dan Microsoft yang bisa memonetisasi di seluruh stack apa pun model yang akhirnya menang.

Dalam kerangka ini, model frontier akan fokus pada tugas bernilai tinggi, termasuk perencanaan, penalaran, pemrograman, dan orkestrasi tugas, serta meraih pendapatan premium pada porsi token yang lebih kecil; sementara model yang lebih murah atau open source akan menangani pekerjaan eksekusi dengan volume tinggi. Laboratorium frontier mungkin mempertahankan kekuatan harga pada tugas high-end, tetapi cloud hyperscaler dan penyedia layanan inferensi akan diuntungkan di dua tingkat sekaligus—karena bagaimanapun jenis beban kerja, semua membutuhkan chip, memori, jaringan, dan listrik.

Logika akhirnya adalah: model frontier bertugas perencanaan, model murah fokus eksekusi, dan pemilik “daya komputasi yang sudah teraliri listrik” akan menuai nilai ekonomi dari kedua sisi sekaligus. Bagi para investor, dalam ketidakpastian jalur komersialisasi AI, penguasaan infrastruktur daya komputasi fisik oleh cloud hyperscaler mungkin menjadi pilihan dengan rasio risiko dan keuntungan yang paling pasti dalam persaingan ini.